排序方式: 共有20条查询结果,搜索用时 272 毫秒
1.
主要介绍了利用VC++开发环境设计Windows下串口通信程序以及SPCP(简单串口通信协议)的设计。软件采用Win32多线程技术和自定义消息机制的异步串口通信的方法设计,在此基础上加入自定义串口通信协议,保证了通信的可靠性和稳定性。 相似文献
2.
针对目前缺少大型公开已标记的青光眼数据集,为了解决小样本学习能力不足、分类精度低等问题,提出一套基于迁移学习的青光眼眼底图像识别系统。对获取的青光眼眼底图像进行去噪、删除多余背景、提取感兴趣区域(ROI)、图像增强等预处理操作。在VGG16网络的基础上,对全连接层进行重新设计,得到一个简化的深度神经网络模型Reduce-VGGNet(R-VGGNet)。R-VGGNet网络在训练过程中,其卷积层与池化层继承VGG16模型在ImageNet数据集上预训练得到权值参数,全连接层的参数则根据青光眼数据集进行自适应调整。针对不同的网络结构和不同的训练策略进行了性能测试以及不同分类方法的对比实验。实验结果表明:基于R-VGGNet网络模型的识别方法提高了判别青光眼患者的准确率,可达91.7%,为临床医生诊断治疗提供了良好的解决方案。 相似文献
3.
水声数据传输系统中,由于水下信道的资源紧张,传输的数据量非常有限,因此需要传输大数据量时对发送节点的数据处理能力提出了一个非常大的挑战。随着压缩感知(CS)理论的成熟和广泛应用,本文将此应用在水声数据的高效传输上,提出了一种切实可行的传输方案,并在网络时延、信道利用率、误码率等关键参数上和传统系统来比较水声数据传输性能。仿真结果表明,压缩感知理论能够在有效地压缩发送数据量的前提下把数据发送到接收端,并大大改善了传输性能。 相似文献
4.
基于CC2431的无线定位技术研究 总被引:3,自引:0,他引:3
以片上系统(SoC)CC2431为核心,以IAR Embedded Workbench7.50及Borland Delphi7为基本的软件开发平台,实现ZigBee无线定位系统.介绍SoC解决方案CC2431的技术特点、无线定位引擎的功能以及使用方法、定位系统的组成、定位的工作流程.通过实验表明该系统的定位误差最小能控制在1 m之内,精度较高,系统性能稳定. 相似文献
5.
为了提高语音和文本融合的情绪识别准确率,提出一种基于Transformer-ESIM(Transformer-enhanced sequential inference model)注意力机制的多模态情绪识别方法。传统循环神经网络在语音和文本序列特征提取时存在长期依赖性,其自身顺序属性无法捕获长距离特征,因此采用Transformer编码层的多头注意力机制对序列进行并行化处理,解决了序列距离限制,能充分提取序列内的情感语义信息,获取语音和文本序列的深层情感语义编码,同时提高处理速度;通过ESIM交互注意力机制计算语音和文本之间的相似特征,实现语音和文本模态的对齐,解决了多模态特征直接融合而忽视的模态间交互问题,提高模型对情感语义的理解和泛化能力。该方法在IEMOCAP数据集上进行实验测试,实验结果表明,情绪识别分类准确率可达72.6%,和其他主流的多模态情绪识别方法相比各项指标都得到了明显的提升。 相似文献
6.
针对传统卷积神经网络(convolutional neural network, CNN)在立体匹配过程中存在信息 损失和耗时等问题,提出了基于可变形和深度可 分离卷积的立体匹配算法。在特征提取过程中,利用可变形卷积和可变形卷积核构建残差网 络,完成自适 应学习,扩大有效感受野,从而适应物体的不同形变,获取更详细的特征,减少信息损失, 提高了匹配精 度。在特征聚合阶段,采用深度可分离卷积构建深度可分离聚合网络,在空间维度和通道维 度分别进行卷 积运算,以降低参数量和计算复杂度,保证了匹配实时性。在相关的数据集上进行测试,实 验结果表明, 算法的网络运行时间缩短为1.60 s,在KITTI 2015和 KITTI 2012数据集上三像素错误率分别为2.84%和 2.79%,在SceneFlow数据集上端点误差为1.59 %。相比其他基准网络,减少了网络模型的运算量同时算法精度有很大提升。 相似文献
7.
8.
作为计算机视觉和图像处理研究领域中的经典课题,行人检测技术在智能驾驶、视频监控等领域中具有广泛的应用空间。然而,面对一些复杂的环境和情况,如阴雨、雾霾、被遮挡、照明度变化、目标尺度差异大等,常见的基于可见光或红外图像的行人检测方法的效果尚不尽如人意,无论是在检测准确率还是检测速度上。该文分析并抓住可见光和红外检测系统中行人特征差异较大,但在不同环境中又各有优势的特点,并结合多尺度特征提取方法,提出一种适用于多样复杂环境下多尺度行人实时检测的方法——融合行人检测网络(FPDNet)。该网络主要由特征提取骨干网络、多尺度检测和信息决策融合3个部分构成,可自适应提取可见光或红外背景下的多尺度行人。实验结果证明,该检测网络在多种复杂视觉环境下都具有较好的适应能力,在检测准确性和检测速度上均能满足实际应用的需求。 相似文献
9.
为解决单一特征细粒度船舶图像识别率低的问题,提出一种循环注意卷积神经网络(recurrent attention convolutional neural network,RA-CNN)与多特征区域融合的船舶目标识别方法。该方法通过在VGG-19网络中引入尺度依赖池化(scale-dependent pooling,SDP)算法解决小目标过度池化的问题,提升了小型船舶的识别性能;注意建议网络(attention proposal network,APN)加入联合聚类(joint clustering)算法,生成多个独立的特征区域,使整个模型充分利用全局信息,提高了船舶识别精度;同时设计特征区域优化方法降低多个特征区域的重叠率,解决了过拟合问题;通过定义新的损失函数来交叉训练VGG-19和APN,加快了收敛速度。利用公开的光电船舶数据集对该方法进行测试实验,识别准确率最高可达90.2%,无论是识别率还是模型的鲁棒性较单特征都有了很大的提升。 相似文献
10.